16
mampu
untuk
melakukan
komputasi
yang
menyeluruh meskipun
terjadinya
penurunan performa akibat kondisi operasi yang tidak menguntungkan.
5. Very Large Scale Integrated ( VLSI ) implentability
Sifat
bawaan
dari
jaringan
syaraf
tiruan
yang
paralel
meningkatkan
kecepatan
komputasi beberapa
tugas
tertentu.
Fitur
ini
membuat
jaringan
syaraf
tiruan
ini
cocok untuk implementasi teknologi VLSI.
6. Uniformity of analysis and design
Jaringan
syaraf
menggunakan notasi
yang
sama
yang
digunakan
pada
semua
domain
yang
melibatkan jaringan
syaraf
tiruan.
Fitur
ini
mengakibatkan
terjadinya manisfestasi dalam beragam bentuk:
•
Neurons, dalam bentuk yang satu atau
lainnya merepresentasikan sebuah
rumusan yang sama untuk semua jaringan syaraf tiruan.
•
Persamaan ini memungkinkan jaringan tersebut untuk membagi teori dan
algoritma pembelajaran di dalam aplikasi
yang berbeda di dalam neural
networks
2.2.1
Model–model Neuron
Menurut Simon
Haykin
(1999,
p10),
neuron
adalah
sebuah
unit
pemrosesan
informasi
yang paling pokok
dalam
melakukan operasi JST.
Berikut adalah
tiga elemen
terpenting dalam JST:
1. Sebuah
set
dari
sinapsis–sinapsis
dimana
setiap
dari
sinapsis
tersebut
dikarakterisasi oleh daya dari masing–masing sinapsis tersebut.
 |